Python 从df底部开始按n行分组

我有以下建议：

Week    Sales
1        10
2        15
3        10
4        20
5        20
6        10
7        15
8        10

我想每3周分组，总结销售情况。我想从最底层的3周开始。如果顶部剩余时间少于3周，如本例所示，则应忽略这些周。所需输出如下：

Week    Sales
5-3       50
8-6       35

我在我原来的df.reset\u indexdrop=True.groupbyby=lambda x:x/N，axis=0.sum上试过这个 但这个解决方案不是从最底层开始的

---

有人能给我指一下正确的方向吗？谢谢

您可以尝试使用.iloc[：-1]反转数据：

输出：

  Week  Sales
0  8-6     35
1  5-3     50
2  2-1     25

---

您可以尝试使用.iloc[：-1]反转数据：

输出：

  Week  Sales
0  8-6     35
1  5-3     50
2  2-1     25

---

在处理时段聚合时，我通常使用.resample，因为它在不同时段的数据中是固定的

输入io 从日期时间导入时间增量 作为pd进口熊猫 dataf=pd.read\u csvio.StringIOWeek销售额 1 10 2 15 3 10 4 20 5 20 6 10 7 15 8 10，sep='\s+'，.astypeint 反转数据并将整数周转换为实际日期时间 dataf=dataf.iloc[：-1] dataf['Week']=dataf['Week'].maplambda x:timedeltaweeks=x 将日期对象设置为重新采样的索引 dataf=dataf.set_索引'Week' 现在我们重新取样 数据F.对“21d”重新采样。总计21天

---

：：注意：标签有误导性。设置kind='period'确实会引起错误

在处理期间聚合时，我通常使用。重新采样，因为它在将不同时间段的数据合并时是固定的

输入io 从日期时间导入时间增量 作为pd进口熊猫 dataf=pd.read\u csvio.StringIOWeek销售额 1 10 2 15 3 10 4 20 5 20 6 10 7 15 8 10，sep='\s+'，.astypeint 反转数据并将整数周转换为实际日期时间 dataf=dataf.iloc[：-1] dataf['Week']=dataf['Week'].maplambda x:timedeltaweeks=x 将日期对象设置为重新采样的索引 dataf=dataf.set_索引'Week' 现在我们重新取样 数据F.对“21d”重新采样。总计21天 ：：注意：标签有误导性。并且设置kind='period'会引发错误